摘要

基于学习的多视图立体（MVS）方法已经展示了令人鼓舞的结果。然而，现有的大多数网络并未显式考虑像素级别的可见性，导致被遮挡像素的成本聚合出现错误。在本文中，我们通过匹配不确定性估计，在MVS网络中显式推断并整合了像素级别的遮挡信息。成对的不确定性图与成对深度图一起推断，并进一步作为多视图成本体融合过程中的加权指导。因此，在成本融合过程中，被遮挡像素的负面影响得到了抑制。所提出的框架Vis-MVSNet显著提高了严重遮挡场景下的深度精度。我们在DTU、BlendedMVS和Tanks and Temples数据集上进行了广泛的实验，以验证所提框架的有效性。